模糊神经网络——嘉陵江水质评价.pdfVIP

目录 1 绪论2 1.1 选题背景和研究意义2 1.2 神经网络与模糊系统3 1.3 文本研究内容和研究思路3 2 模糊神经网络的基本原理5 2.1 模糊神经网络概述5 2.2 模糊系统和神经网络结合的可能性5 2.2.1 人工神经网络与模糊系统的相同之处6 2.2.2 人工神经网络与模糊系统的不同之处6 2.2.3 人工神经网络与模糊系统结合意义8 3模糊神经网络模型的结构和原理9 3.1 模糊神经网络模型构建9 3.2 模糊神经网络学习算法10 3.3 模糊神经网络水质评价10 4 总结与展望 14 4.1总结14 4.2 展望14 参考文献 15 致谢 16 附录 17 第 1 页 1 绪论 1.1 选题背景和研究意义 随着经济的快速发展，水资源日益恶化，水污染已呈现由点污染向面污染发 展的趋势，成为制约和困扰我国可持续发展的一大障碍。治理污染的水环境和防 止水资源被进一步恶化，已经成为当前迫切需要解决的问题。水质评价是以定量 的方式对水环境的质量进行综合的评价，是水环境管理保护和污染治理的一项基 础性工作，医务室近年来的研究热点。 当前我国水污染已经得到了有关部门的重视，并且水污染治理工作中所需的 硬件设施以及科学技术的不断完善为水污染治理工作起到了重要的支撑作用。应 当认识到水质分析是水污染治理工作中的基础内容，对水质进行科学的分析，能 够预防水污染事件的出现，尤其是预防突发性水污染事件的发生，同时在水污染 事件发生后能够对水污染程度做出合理的判定，对水污染处理的措施以及方案能 够提供必要的依据。同时居民生活饮用水的水质也影响着人们的身体健康，对饮 用水进行必要的水质监测与分析能够确保引用水的质量。所以水质分析不仅是水 污染处理中贯彻以预防为主方针的重要途径，也是水污染处理工作中的重要内 容。 传统的水质评价方法有评分法，比质法，统计法等，这些传统的水质评价方 法受人为的主观因素的制约，从而影响可评价的精度。近年来许多学者提出了一 个新的评价模型，如聚类发，经济分析法，灰色关联法，关联分析法等的，这些 方法比较传统的方法，评价的精度有了较大幅度的提高，但是由于评价因子与水 质之间呈复杂的非线性关系，以及水体污染本身居于模糊性，因而影响了评价的 精度。 近年来兴起的人工神经网络具有学习逼近任意非线性的能力，模糊理论是一 新的学习方法，模糊理论中的相对隶属度能很好的对水质的模糊性进行解释，能 清晰地反映水质各因子的质量相对状态，从而确定水质污染影响最大的因子。 水质评价方法是评价理论的核心及水污染控制系统的一个重要环节，是现代 环境科学基础理论研究的重要课题之一。然而如何才能客观地、准确地反映水体 环境质量状况，其关键在于合理的选择与建立评价方法和数学模型。水质的清洁 与污染这一对立观念之间，在划分过程中并不存在绝对分明的界限，具有中介过 渡性，这是客观存在着的模糊概念。水质评价的模糊性，是水体质量在清洁与污 染的划分过程中所呈现的亦此亦彼性。由于水质评价涉及到许多模糊概念，如“水 质污染程度”就是一个模糊概念，从而作为评价污染程度的分级标准也是模糊的， 而水质分级线也是一个模糊的界线，因而有必要用隶属度来描述它。用模糊理论 与方法，比传统评价方法更符合现象的实际，使水质评价的理论与方法建立在比 较严谨的数学逻辑基础上。 第 2 页 1.2 神经网络与模糊系统 神经网络(Neural Network,简称NN)是由众多简单的神经元连接而成的网 络。尽管每个神经元结构、功能都不复杂,但网络的整体动态行为极为复杂,可组 成高度非线性动力学系统,从而可表达许多复杂的物理系统。神经网络的研究从 上世纪40年代初开始,目前,在世界范围已形成了研究神经网